The most important plots to analyze Paper Machine dataset

Import required libraries

import os
import sys
import gc
import random
import time
from datetime import datetime
import pandas as pd
import numpy as np

import statsmodels
from statsmodels.graphics.tsaplots import plot_pacf
from statsmodels.graphics.tsaplots import plot_acf

import matplotlib as mpl
from dateutil.parser import parse
import seaborn as sns
import matplotlib.pyplot as plt

import pathlib
from pathlib import Path

pd.options.display.max_rows = None
pd.set_option('display.max_columns', 500)
np.set_printoptions(threshold=sys.maxsize)
np.set_printoptions(threshold=np.inf)


os.environ['PYTHONHASHSEED'] = '0'
np.random.seed(42)
random.seed(12345)


import warnings
warnings.filterwarnings("ignore")




### mainClassFile_Evaluation consists of all preprocessing and plots
from mainClassFile_Evaluation import mainClass_Evaluation


### generateAugmentedData_CV consists of codes to generate synthetic data(augmented data) by the Autoencoder model.
import generateAugmentedData_Evaluation as aug





### Define main path addresses of project
pathCurrrent = Path.cwd()
pathMainCodes = Path.cwd().parent
pathCurrrent = str(pathCurrrent).replace("\\", '/')
pathMainCodes = str(pathMainCodes).replace("\\", '/')


pathDataAllPre_FinalTest = pathMainCodes + "/data/paperMachine/forAllPre_FinalTest/"
pathSavingPlotsAllPre_FinalTest_Eval = pathMainCodes + "/reports/forAllPre_FinalTest_Evaluation/"




############################****** Start Running codes ******##################################



### Define variable mc that is an object of mainClass_Evaluation
mc = mainClass_Evaluation()

### Read Actual raw dataset(DS)
dfActual = pd.read_csv(pathDataAllPre_FinalTest + "actualRaw_data-augmentation.csv", header=None)### when documentation finished uncomment here




###Create dataset with having just one ActualRaw row as break label 1, Then scale dataset, drop a few unnecessary columns and And Delete RepetitiveOnes(breaks)
dfpRawNoReptOnes = mc.delRepetitiveOnes(dfActual)



###Under the first scenario, we fit and transform the scaler estimator purposely on a whole cleaned dataset
###Create dataset with having just one ActualRaw row as break label 1, drop a few unnecessary columns, And Delete RepetitiveOnes(breaks)
dfpRawNoReptOnes = mc.delRepetitiveOnes(dfActual)


###Secario first for scaling dataset
dfpRawNoReptOnes_scaled = mc.scaleData(dfpRawNoReptOnes, doScaleAfterSplit=False)



npScaledNoRepOne=dfpRawNoReptOnes_scaled

### calculate proportion of Anomalies in the whole dataset
num_neg, num_pos = np.bincount(npScaledNoRepOne[:,0].astype(int))
mc.get_class_weights(num_pos, num_neg,False,pos_weight=.1)

Number of Rows Aucual Dataset After Cleaning step:
    Total: 18150
    Anomalies(positives): 123 (0.68% of total)

Data Analysis with Pandas Profiling

Create pd.DataFrame from npScaledNoRepOne

pd.DataFrame(npScaledNoRepOne).to_csv(f'npScaledNoRepOne.csv', header=None, index=None)

dfScaledNoRepOne=pd.read_csv(f'npScaledNoRepOne.csv', header=None)

dfScaledNoRepOne.columns

Int64Index([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16,
            17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
            34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50,
            51, 52, 53, 54, 55, 56, 57, 58, 59],
           dtype='int64')

dfScaledNoRepOne.shape

(18150, 60)

dfScaledNoRepOne.head()

	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31	32	33	34	35	36	37	38	39	40	41	42	43	44	45	46	47	48	49	50	51	52	53	54	55	56	57	58	59
0	0.0	0.217272	-0.253047	-0.172826	0.063854	-0.486590	0.428369	-0.597158	-0.370907	-0.963856	-0.960186	0.693628	0.737684	-0.018107	-0.871961	-0.609252	0.853266	-0.092322	0.155949	0.758317	-0.590775	0.079508	0.063075	0.718379	-0.790693	0.986899	-0.398105	0.144974	-0.652365	-0.286510	0.003552	0.991004	0.930765	0.348268	0.551976	-0.800125	0.161639	-0.972808	-0.958821	0.471217	-0.051483	-0.162694	-1.0	0.309455	-0.898572	-0.651208	-0.581279	0.174066	-0.063248	0.686931	0.994494	0.959541	0.987866	-0.752727	-0.198656	0.103462	0.647424	0.688489	0.888080	0.118238
1	0.0	0.246230	-0.249879	-0.168286	0.072500	-0.489968	0.438923	-0.597158	-0.370907	-0.963856	-0.960186	0.693335	0.740719	-0.018107	-0.871922	-0.609544	0.862893	-0.093349	0.156227	0.758317	-0.590775	0.079508	0.061415	0.718379	-0.790625	0.989065	-0.397618	0.153618	-0.653113	-0.286436	0.036649	0.990951	0.929790	0.350116	0.565590	-0.800125	0.161639	-0.967948	-0.945234	0.471217	-0.104161	-0.151874	-1.0	0.314249	-0.909142	-0.770571	-0.581746	0.174127	-0.058525	0.686717	0.994494	0.959582	0.987877	-0.752840	-0.229091	0.119750	0.566609	0.689337	0.890627	0.118666
2	0.0	0.213525	-0.258036	-0.187923	0.065848	-0.493346	0.444010	-0.587724	-0.370907	-0.945875	-0.947050	0.701571	0.746942	0.005771	-0.871882	-0.609835	0.858147	-0.094376	0.156505	0.758317	-0.590775	0.079508	0.059754	0.718379	-0.790556	0.987333	-0.397130	0.150447	-0.651140	-0.286364	-0.118651	0.989943	0.929303	0.352408	0.651569	-0.800125	0.169386	-0.964159	-0.938336	0.471217	0.026297	-0.141054	-1.0	0.313672	-0.868614	-0.665823	-0.583268	0.174188	-0.046233	0.686504	0.994494	0.959626	0.987887	-0.752953	-0.235978	0.136038	0.653977	0.690194	0.904543	0.119093
3	0.0	0.195325	-0.262589	-0.168594	0.062790	-0.496588	0.440251	-0.595900	-0.370907	-0.939821	-0.940380	0.696887	0.736568	-0.030352	-0.871843	-0.610126	0.841555	-0.095403	0.156782	0.758317	-0.590775	0.079508	0.058094	0.718379	-0.790487	0.986118	-0.396643	0.108121	-0.651347	-0.286290	-0.061363	0.989888	0.928328	0.354700	0.737549	-0.800125	0.169386	-0.963547	-0.931438	0.471217	0.156754	-0.130233	-1.0	0.313050	-0.914549	-0.459522	-0.586318	0.174250	-0.047989	0.686291	0.994494	0.959669	0.987897	-0.753066	-0.242866	0.115576	0.699841	0.691042	0.917797	0.119521
4	0.0	0.184797	-0.262060	-0.186750	0.069452	-0.499034	0.445836	-0.597158	-0.370907	-0.945875	-0.940380	0.690528	0.740388	-0.026548	-0.871802	-0.610417	0.850605	-0.096430	0.157060	0.758317	-0.590775	0.079508	0.056433	0.718379	-0.790418	0.986109	-0.396156	0.127252	-0.648179	-0.286219	-0.252840	0.990931	0.927840	0.358073	0.823529	-0.800125	0.169386	-0.967215	-0.931438	0.471217	-0.014944	-0.119413	-1.0	0.312428	-0.878321	-0.586953	-0.589368	0.174311	-0.049744	0.686077	0.994494	0.959713	0.987908	-0.753179	-0.249754	0.116477	0.660528	0.691558	0.896564	0.120010

from pandas_profiling import ProfileReport
prof = ProfileReport(dfScaledNoRepOne)
prof.to_file(output_file='dfScaledNoRepOne_ProfileReport.html')

Statistical descriptions of dataset dfScaledNoRepOne

print(f"Shape of dataset dfScaledNoRepOne{dfScaledNoRepOne.shape}")
print("\n dfScaledNoRepOne==>> \n")


dfDescriptions=pd.DataFrame(dfScaledNoRepOne.describe().transpose()).iloc[:,[1,2,3,7]]

dfDescriptions=dfDescriptions.rename(index={0: 'Label'})

dfDescriptions.index.name = 'Name of Columns'
dfDescriptions

Shape of dataset dfScaledNoRepOne(18150, 60)

 dfScaledNoRepOne==>> 

	mean	std	min	max
Name of Columns
0	0.006777	0.082045	0.0	1.0
1	0.109873	0.216735	-1.0	1.0
2	0.026499	0.291039	-1.0	1.0
3	0.102381	0.349078	-1.0	1.0
4	-0.010966	0.414374	-1.0	1.0
5	-0.444441	0.216169	-1.0	1.0
6	0.557193	0.203898	-1.0	1.0
7	-0.596811	0.101590	-1.0	1.0
8	-0.279305	0.121315	-1.0	1.0
9	-0.930816	0.087819	-1.0	1.0
10	-0.937270	0.067086	-1.0	1.0
11	0.638412	0.199794	-1.0	1.0
12	0.742867	0.187740	-1.0	1.0
13	0.079261	0.296530	-1.0	1.0
14	-0.968214	0.161327	-1.0	1.0
15	-0.642704	0.032192	-1.0	1.0
16	0.827941	0.211421	-1.0	1.0
17	0.097751	0.166121	-1.0	1.0
18	0.225513	0.129530	-1.0	1.0
19	0.729563	0.053968	-1.0	1.0
20	-0.621609	0.075154	-1.0	1.0
21	0.106952	0.202248	-1.0	1.0
22	0.276927	0.333479	-1.0	1.0
23	0.791661	0.045145	-1.0	1.0
24	-0.802992	0.077620	-1.0	1.0
25	0.935857	0.201092	-1.0	1.0
26	-0.236416	0.318075	-1.0	1.0
27	0.212954	0.301723	-1.0	1.0
28	-0.126338	0.480878	-1.0	1.0
29	-0.409429	0.198015	-1.0	1.0
30	0.045057	0.229404	-1.0	1.0
31	0.959251	0.202726	-1.0	1.0
32	-0.073435	0.521952	-1.0	1.0
33	0.576380	0.231492	-1.0	1.0
34	-0.167856	0.325716	-1.0	1.0
35	-0.737736	0.074698	-1.0	1.0
36	0.296963	0.215225	-1.0	1.0
37	-0.948577	0.071343	-1.0	1.0
38	-0.891116	0.120068	-1.0	1.0
39	0.673995	0.286174	-1.0	1.0
40	0.045685	0.086954	-1.0	1.0
41	-0.717570	0.412920	-1.0	1.0
42	-0.967089	0.231205	-1.0	1.0
43	0.067799	0.550732	-1.0	1.0
44	-0.862289	0.195752	-1.0	1.0
45	-0.571000	0.127200	-1.0	1.0
46	0.110437	0.437227	-1.0	1.0
47	0.156004	0.232171	-1.0	1.0
48	-0.074160	0.217416	-1.0	1.0
49	0.168855	0.312632	-1.0	1.0
50	0.976192	0.189869	-1.0	1.0
51	0.863653	0.061470	-1.0	1.0
52	0.988202	0.015596	-1.0	1.0
53	0.024178	0.456908	-1.0	1.0
54	-0.093085	0.263939	-1.0	1.0
55	0.069617	0.312280	-1.0	1.0
56	0.316449	0.238046	-1.0	1.0
57	0.362808	0.449638	-1.0	1.0
58	0.869010	0.194133	-1.0	1.0
59	-0.176866	0.287912	-1.0	1.0

Line plots of dataset dfScaledNoRepOne

dfScaledNoRepOne.plot(subplots=True, figsize=(20,300),sharex =False,grid =True);
plt.subplots_adjust(hspace=0.5)

Autocorrelation plots

dfScaledNoRepOne.index.name =""

# Draw Plot
def plotDfACorr(df):
    font = {'family' : 'Arial',
    'weight' : 'bold',
    'size'   : 15}
    
    f1,ax = plt.subplots(len(df.columns),1 , figsize=(18, 200),sharex =False)
    for i in range(len(df.columns)):
        plot_acf(df.iloc[:,i],ax=ax[i],zero=False,title=df.columns[i])
        ax[i].grid()      
    
    
    plt.subplots_adjust(hspace=0.5)
   
    plt.show()

plotDfACorr(dfScaledNoRepOne)

Partial Correlation plots:

# Draw Plot
def plotDfPCorr(df):
    font = {'family' : 'Arial',
    'weight' : 'bold',
    'size'   : 15}
    
    f1,ax = plt.subplots(len(df.columns),1 , figsize=(18, 200),sharex =False)
    for i in range(len(df.columns)):
        plot_pacf(df.iloc[:,i],ax=ax[i],zero=False,title=df.columns[i])
        ax[i].grid()

    
    plt.subplots_adjust(hspace=0.5)
    
    plt.show()

plotDfPCorr(dfScaledNoRepOne)

Mutual comparison partial correlation between each of two features

corr = dfScaledNoRepOne.corr()
html =corr.style.background_gradient(cmap='coolwarm', axis=None).set_properties(**{'font-size': '7pt'})\
.set_precision(2).render()
# Writing the output to a html file.
with open('dfScaledNoRepOne_Corr.html', 'w') as f:
    print('<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8">'
         '<meta name="viewport" content="width=device-widthinitial-scale=1.0">'
         '<title>dfScaledNoRepOne_Corr</title></head><style>table{word-break: break-all;}'
         '</style><body><h1>dfScaledNoRepOne_Corr plot</h1>' + html+'</body></html>', file=f)

print("File ddfScaledNoRepOne_Corr.html was created!!!")

File ddfScaledNoRepOne_Corr.html was created!!!

corr = dfScaledNoRepOne.corr()
corr.style.background_gradient(cmap='coolwarm', axis=None).set_precision(2)

	0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	21	22	23	24	25	26	27	28	29	30	31	32	33	34	35	36	37	38	39	40	41	42	43	44	45	46	47	48	49	50	51	52	53	54	55	56	57	58	59
0	1.00	0.01	-0.09	-0.12	0.02	-0.01	-0.03	0.02	0.00	0.03	0.00	-0.04	-0.00	-0.02	-0.01	0.06	-0.00	-0.04	-0.06	-0.14	0.00	0.02	-0.02	-0.01	0.02	0.01	-0.03	-0.03	-0.04	-0.00	-0.01	0.01	-0.00	-0.03	-0.02	-0.02	-0.02	0.01	-0.00	-0.02	-0.00	0.04	-0.01	-0.01	-0.01	0.01	-0.02	0.01	0.01	-0.03	0.01	-0.04	-0.08	-0.04	-0.01	-0.03	-0.02	0.00	0.01	0.02
1	0.01	1.00	0.14	-0.05	0.06	0.05	-0.12	0.26	0.34	-0.01	0.01	0.52	0.57	0.15	0.12	-0.03	0.49	0.05	0.09	-0.03	0.03	0.10	0.00	-0.03	-0.35	0.50	-0.01	0.07	-0.27	-0.07	0.00	0.51	-0.18	-0.19	0.02	0.13	0.33	0.03	0.06	0.23	0.01	0.12	-0.04	-0.03	-0.48	0.09	0.19	0.24	0.07	0.27	0.49	0.27	0.10	-0.30	0.04	0.09	0.33	0.01	0.48	-0.11
2	-0.09	0.14	1.00	0.18	-0.14	0.04	-0.03	-0.06	0.39	-0.02	0.07	0.37	0.42	-0.08	0.02	0.02	0.43	0.18	0.16	-0.11	-0.06	0.13	0.19	-0.02	-0.10	0.34	0.07	0.20	0.04	-0.17	0.00	0.37	-0.25	-0.04	-0.08	-0.01	0.38	-0.04	0.08	0.31	-0.00	0.06	0.05	-0.04	-0.39	-0.24	0.23	-0.22	-0.10	0.10	0.34	0.11	0.05	0.21	0.30	0.16	0.01	0.21	0.34	-0.13
3	-0.12	-0.05	0.18	1.00	-0.27	-0.19	0.01	0.28	0.21	0.04	0.05	0.13	0.29	-0.16	-0.02	0.05	0.38	-0.19	-0.25	0.21	0.03	-0.22	-0.21	0.04	0.07	0.33	0.25	0.14	0.34	0.24	0.01	0.32	0.21	0.04	0.15	0.53	0.25	0.09	0.06	0.34	-0.01	-0.04	0.04	0.18	-0.32	0.07	-0.08	-0.08	0.12	-0.05	0.30	-0.07	-0.01	0.51	-0.02	-0.02	-0.06	-0.41	0.33	0.12
4	0.02	0.06	-0.14	-0.27	1.00	0.24	0.20	-0.04	0.02	0.02	-0.00	-0.03	-0.05	0.06	-0.16	-0.12	-0.06	0.12	0.17	-0.23	-0.19	0.11	0.25	0.26	-0.02	-0.03	-0.33	-0.13	-0.60	-0.26	0.00	-0.00	-0.33	0.19	-0.38	-0.11	0.03	0.04	-0.01	-0.14	0.01	-0.05	0.07	-0.51	0.04	0.22	0.10	0.23	0.01	-0.31	-0.01	-0.24	0.02	-0.41	-0.21	-0.20	-0.17	-0.11	-0.01	-0.29
5	-0.01	0.05	0.04	-0.19	0.24	1.00	-0.03	-0.02	0.30	0.02	0.03	-0.01	0.03	0.01	-0.18	-0.12	0.02	0.61	0.65	-0.44	-0.23	0.31	0.71	0.61	-0.34	-0.02	-0.08	0.05	-0.03	-0.70	-0.01	-0.01	-0.55	-0.05	-0.26	0.07	0.42	0.00	0.00	0.10	-0.00	0.02	0.21	-0.39	-0.03	-0.10	0.16	0.13	-0.51	-0.39	0.01	-0.35	0.10	0.08	0.07	-0.36	-0.40	0.05	-0.00	-0.04
6	-0.03	-0.12	-0.03	0.01	0.20	-0.03	1.00	-0.12	0.04	-0.05	-0.07	-0.03	0.02	0.61	0.05	-0.02	-0.09	0.06	0.11	-0.09	0.02	-0.14	0.02	0.06	-0.08	-0.11	-0.03	0.05	0.40	-0.04	-0.01	-0.07	-0.12	0.97	-0.25	0.04	0.07	-0.02	-0.04	0.01	-0.00	-0.33	-0.08	-0.15	0.06	-0.05	0.29	-0.06	-0.02	-0.03	-0.07	0.01	0.08	0.21	0.24	0.49	-0.01	-0.20	-0.09	-0.33
7	0.02	0.26	-0.06	0.28	-0.04	-0.02	-0.12	1.00	0.31	0.22	0.10	0.33	0.37	0.06	0.00	-0.08	0.38	-0.09	-0.17	0.17	0.07	-0.02	-0.12	0.12	-0.18	0.40	0.22	0.15	-0.02	0.15	-0.00	0.39	0.11	-0.16	0.20	0.57	0.25	0.21	0.13	0.25	-0.02	0.07	0.02	0.22	-0.35	0.19	0.04	0.18	0.13	0.04	0.38	0.03	0.05	-0.05	-0.01	-0.12	0.10	-0.32	0.38	0.17
8	0.00	0.34	0.39	0.21	0.02	0.30	0.04	0.31	1.00	0.06	0.18	0.52	0.70	-0.02	-0.02	-0.05	0.65	0.35	0.35	-0.25	-0.19	0.16	0.42	0.31	-0.32	0.55	0.17	0.24	0.14	-0.40	0.00	0.58	-0.37	0.00	-0.07	0.41	0.89	0.10	0.20	0.46	-0.01	0.12	0.05	-0.23	-0.61	-0.14	0.36	-0.00	-0.31	-0.08	0.57	-0.06	0.09	0.28	0.37	-0.20	-0.11	-0.13	0.57	-0.14
9	0.03	-0.01	-0.02	0.04	0.02	0.02	-0.05	0.22	0.06	1.00	0.58	0.08	0.06	-0.02	-0.03	-0.03	0.06	0.01	-0.01	-0.02	-0.02	-0.01	0.02	0.05	0.02	0.07	-0.03	-0.04	-0.05	-0.01	-0.01	0.08	-0.02	-0.06	-0.05	0.09	0.03	0.64	0.40	0.04	-0.00	0.04	-0.01	-0.03	-0.07	0.02	0.01	0.04	-0.02	-0.06	0.08	-0.05	-0.03	-0.02	-0.02	-0.04	-0.06	-0.08	0.08	-0.02
10	0.00	0.01	0.07	0.05	-0.00	0.03	-0.07	0.10	0.18	0.58	1.00	0.09	0.10	-0.06	-0.02	-0.09	0.09	0.06	0.03	-0.02	-0.04	-0.02	0.05	0.04	-0.02	0.09	-0.01	0.01	-0.03	-0.06	-0.01	0.09	-0.04	-0.08	-0.03	0.05	0.11	0.38	0.73	0.05	0.02	0.10	-0.02	-0.05	-0.10	-0.04	0.02	0.00	-0.06	-0.02	0.09	-0.01	-0.01	0.02	0.04	-0.07	-0.03	-0.02	0.09	-0.01
11	-0.04	0.52	0.37	0.13	-0.03	-0.01	-0.03	0.33	0.52	0.08	0.09	1.00	0.83	0.09	0.10	-0.01	0.74	0.02	-0.00	0.03	-0.03	-0.02	0.00	-0.10	-0.19	0.79	0.07	0.07	-0.09	-0.01	0.02	0.80	-0.04	-0.05	0.11	0.13	0.52	0.07	0.10	0.46	-0.00	0.01	-0.02	0.07	-0.80	-0.05	0.13	0.05	0.03	0.25	0.79	0.26	0.05	-0.10	0.18	0.12	0.23	0.09	0.78	0.02
12	-0.00	0.57	0.42	0.29	-0.05	0.03	0.02	0.37	0.70	0.06	0.10	0.83	1.00	0.02	0.06	-0.01	0.90	0.08	0.04	0.00	-0.04	-0.01	0.06	0.01	-0.23	0.89	0.15	0.18	0.02	-0.05	0.01	0.91	-0.09	0.00	0.10	0.37	0.70	0.06	0.11	0.62	-0.01	0.05	0.00	0.06	-0.91	-0.04	0.20	0.01	-0.01	0.17	0.89	0.18	0.08	0.07	0.27	0.06	0.16	-0.06	0.89	-0.01
13	-0.02	0.15	-0.08	-0.16	0.06	0.01	0.61	0.06	-0.02	-0.02	-0.06	0.09	0.02	1.00	0.05	-0.06	-0.08	-0.02	-0.05	-0.00	0.10	-0.10	-0.06	-0.10	-0.17	-0.06	-0.04	-0.10	0.15	0.02	-0.01	-0.05	0.00	0.57	-0.02	0.03	0.00	-0.01	-0.04	0.02	-0.00	-0.61	-0.12	0.01	0.04	-0.07	0.20	0.03	-0.00	0.21	-0.06	0.28	0.08	-0.11	0.18	0.54	0.20	-0.05	-0.06	-0.17
14	-0.01	0.12	0.02	-0.02	-0.16	-0.18	0.05	0.00	-0.02	-0.03	-0.02	0.10	0.06	0.05	1.00	-0.04	0.04	-0.13	-0.11	0.09	0.08	-0.00	-0.20	-0.22	-0.04	0.03	0.10	0.05	0.09	0.13	0.00	0.03	0.09	0.04	0.16	-0.05	-0.06	-0.04	-0.02	-0.03	0.01	-0.01	-0.03	0.13	-0.03	-0.05	0.13	0.01	0.05	0.25	0.02	0.25	0.02	-0.02	0.16	0.19	0.23	0.10	0.01	0.03
15	0.06	-0.03	0.02	0.05	-0.12	-0.12	-0.02	-0.08	-0.05	-0.03	-0.09	-0.01	-0.01	-0.06	-0.04	1.00	-0.00	-0.08	-0.06	-0.08	0.01	-0.06	-0.07	-0.20	0.14	-0.02	0.07	0.04	0.03	0.09	0.00	-0.02	0.00	-0.00	0.02	-0.08	-0.07	-0.01	-0.04	-0.08	-0.02	-0.02	-0.01	0.05	0.02	-0.01	0.03	-0.02	0.08	0.06	-0.03	0.04	-0.38	0.07	0.06	0.13	0.02	0.04	-0.03	-0.01
16	-0.00	0.49	0.43	0.38	-0.06	0.02	-0.09	0.38	0.65	0.06	0.09	0.74	0.90	-0.08	0.04	-0.00	1.00	0.05	0.00	0.03	0.01	0.05	0.06	0.06	-0.16	0.89	0.27	0.28	0.00	-0.04	0.01	0.89	-0.06	-0.10	0.20	0.39	0.68	0.06	0.10	0.68	-0.01	0.06	0.03	0.09	-0.89	0.00	0.16	-0.01	-0.02	0.09	0.83	0.10	0.05	0.11	0.19	-0.03	0.08	-0.06	0.88	0.05
17	-0.04	0.05	0.18	-0.19	0.12	0.61	0.06	-0.09	0.35	0.01	0.06	0.02	0.08	-0.02	-0.13	-0.08	0.05	1.00	0.80	-0.42	-0.18	0.30	0.71	0.55	-0.43	-0.04	-0.05	0.10	0.12	-0.72	-0.00	-0.01	-0.66	0.03	-0.40	0.01	0.39	-0.00	0.06	0.11	-0.00	0.13	0.21	-0.43	-0.05	-0.30	0.32	0.06	-0.50	-0.26	-0.01	-0.22	0.19	0.20	0.29	-0.31	-0.34	0.06	-0.02	-0.17
18	-0.06	0.09	0.16	-0.25	0.17	0.65	0.11	-0.17	0.35	-0.01	0.03	-0.00	0.04	-0.05	-0.11	-0.06	0.00	0.80	1.00	-0.51	-0.25	0.37	0.79	0.59	-0.39	-0.10	-0.10	0.14	0.10	-0.82	-0.00	-0.06	-0.75	0.05	-0.47	-0.06	0.40	-0.02	0.01	0.05	0.00	0.24	0.22	-0.56	-0.00	-0.27	0.40	0.04	-0.57	-0.36	-0.05	-0.30	0.17	0.20	0.28	-0.30	-0.41	0.12	-0.07	-0.24
19	-0.14	-0.03	-0.11	0.21	-0.23	-0.44	-0.09	0.17	-0.25	-0.02	-0.02	0.03	0.00	-0.00	0.09	-0.08	0.03	-0.42	-0.51	1.00	0.32	-0.19	-0.54	-0.29	0.11	0.12	0.20	-0.03	-0.02	0.64	-0.00	0.08	0.60	-0.05	0.43	0.05	-0.29	-0.01	0.00	-0.01	-0.00	-0.10	-0.13	0.63	-0.02	0.25	-0.29	-0.01	0.52	0.31	0.07	0.27	0.18	-0.13	-0.17	0.27	0.37	-0.07	0.08	0.33
20	0.00	0.03	-0.06	0.03	-0.19	-0.23	0.02	0.07	-0.19	-0.02	-0.04	-0.03	-0.04	0.10	0.08	0.01	0.01	-0.18	-0.25	0.32	1.00	0.04	-0.28	-0.15	0.11	0.06	0.28	0.06	0.12	0.34	0.00	0.03	0.34	0.04	0.30	-0.01	-0.17	-0.04	-0.06	-0.00	0.02	-0.19	-0.05	0.48	0.00	0.14	-0.17	-0.00	0.24	0.13	0.02	0.16	-0.00	-0.09	-0.19	0.17	0.14	-0.01	0.02	0.11
21	0.02	0.10	0.13	-0.22	0.11	0.31	-0.14	-0.02	0.16	-0.01	-0.02	-0.02	-0.01	-0.10	-0.00	-0.06	0.05	0.30	0.37	-0.19	0.04	1.00	0.40	0.29	0.02	0.03	0.04	0.10	-0.10	-0.35	0.01	0.03	-0.27	-0.18	-0.08	-0.02	0.18	-0.01	0.00	-0.02	0.00	0.10	0.21	-0.11	-0.03	0.01	0.26	-0.22	-0.32	-0.34	0.04	-0.31	-0.01	-0.06	-0.08	-0.20	-0.31	0.20	0.04	-0.12
22	-0.02	0.00	0.19	-0.21	0.25	0.71	0.02	-0.12	0.42	0.02	0.05	0.00	0.06	-0.06	-0.20	-0.07	0.06	0.71	0.79	-0.54	-0.28	0.40	1.00	0.65	-0.39	-0.05	-0.04	0.13	0.03	-0.83	-0.01	-0.02	-0.75	-0.01	-0.38	0.03	0.50	0.02	0.04	0.08	-0.00	0.11	0.27	-0.55	-0.04	-0.24	0.40	0.04	-0.60	-0.38	-0.00	-0.35	0.11	0.18	0.22	-0.38	-0.45	0.01	-0.02	-0.24
23	-0.01	-0.03	-0.02	0.04	0.26	0.61	0.06	0.12	0.31	0.05	0.04	-0.10	0.01	-0.10	-0.22	-0.20	0.06	0.55	0.59	-0.29	-0.15	0.29	0.65	1.00	-0.39	-0.03	0.09	0.22	0.11	-0.61	-0.01	-0.02	-0.61	0.03	-0.38	0.27	0.40	0.06	0.02	0.15	-0.01	0.11	0.17	-0.37	0.00	0.03	0.34	-0.03	-0.38	-0.64	-0.00	-0.61	0.39	0.30	0.07	-0.44	-0.63	-0.39	-0.02	-0.14
24	0.02	-0.35	-0.10	0.07	-0.02	-0.34	-0.08	-0.18	-0.32	0.02	-0.02	-0.19	-0.23	-0.17	-0.04	0.14	-0.16	-0.43	-0.39	0.11	0.11	0.02	-0.39	-0.39	1.00	-0.07	-0.19	-0.23	-0.05	0.35	0.01	-0.08	0.48	-0.03	0.14	-0.12	-0.34	-0.00	-0.06	-0.14	0.00	-0.10	-0.20	0.09	0.09	0.09	-0.47	-0.18	0.10	-0.36	-0.06	-0.35	-0.45	-0.06	-0.49	0.06	-0.37	0.34	-0.04	0.06
25	0.01	0.50	0.34	0.33	-0.03	-0.02	-0.11	0.40	0.55	0.07	0.09	0.79	0.89	-0.06	0.03	-0.02	0.89	-0.04	-0.10	0.12	0.06	0.03	-0.05	-0.03	-0.07	1.00	0.07	0.02	-0.08	0.08	0.01	1.00	0.09	-0.09	0.19	0.34	0.56	0.07	0.09	0.60	-0.00	0.01	0.01	0.19	-0.98	0.05	-0.05	0.01	0.06	0.11	0.92	0.11	0.03	-0.07	-0.03	0.01	0.12	-0.02	0.99	0.13
26	-0.03	-0.01	0.07	0.25	-0.33	-0.08	-0.03	0.22	0.17	-0.03	-0.01	0.07	0.15	-0.04	0.10	0.07	0.27	-0.05	-0.10	0.20	0.28	0.04	-0.04	0.09	-0.19	0.07	1.00	0.72	0.34	0.15	0.01	0.05	0.09	-0.04	0.46	0.33	0.24	-0.00	0.03	0.15	-0.02	-0.04	-0.05	0.40	-0.05	0.10	0.30	-0.02	0.06	0.15	0.03	0.12	0.08	0.41	0.43	0.03	0.11	-0.19	0.03	0.19
27	-0.03	0.07	0.20	0.14	-0.13	0.05	0.05	0.15	0.24	-0.04	0.01	0.07	0.18	-0.10	0.05	0.04	0.28	0.10	0.14	-0.03	0.06	0.10	0.13	0.22	-0.23	0.02	0.72	1.00	0.22	-0.09	0.01	0.02	-0.25	0.00	0.17	0.31	0.30	-0.01	0.03	0.18	-0.02	0.16	-0.01	0.01	-0.03	0.10	0.49	0.02	-0.02	-0.04	0.01	-0.04	0.08	0.47	0.52	-0.01	-0.01	-0.16	-0.00	-0.12
28	-0.04	-0.27	0.04	0.34	-0.60	-0.03	0.40	-0.02	0.14	-0.05	-0.03	-0.09	0.02	0.15	0.09	0.03	0.00	0.12	0.10	-0.02	0.12	-0.10	0.03	0.11	-0.05	-0.08	0.34	0.22	1.00	-0.03	-0.01	-0.07	0.06	0.41	0.08	0.27	0.22	-0.02	-0.01	0.16	-0.01	-0.15	-0.01	0.18	0.01	-0.25	0.08	-0.26	-0.27	-0.02	-0.05	-0.05	0.03	0.73	0.31	0.04	-0.15	-0.18	-0.06	0.04
29	-0.00	-0.07	-0.17	0.24	-0.26	-0.70	-0.04	0.15	-0.40	-0.01	-0.06	-0.01	-0.05	0.02	0.13	0.09	-0.04	-0.72	-0.82	0.64	0.34	-0.35	-0.83	-0.61	0.35	0.08	0.15	-0.09	-0.03	1.00	0.01	0.04	0.81	0.01	0.46	0.02	-0.47	0.01	-0.03	-0.08	-0.00	-0.15	-0.21	0.69	0.03	0.30	-0.40	-0.04	0.68	0.40	0.03	0.35	-0.10	-0.18	-0.25	0.41	0.48	-0.08	0.04	0.25
30	-0.01	0.00	0.00	0.01	0.00	-0.01	-0.01	-0.00	0.00	-0.01	-0.01	0.02	0.01	-0.01	0.00	0.00	0.01	-0.00	-0.00	-0.00	0.00	0.01	-0.01	-0.01	0.01	0.01	0.01	0.01	-0.01	0.01	1.00	0.01	0.00	-0.01	0.00	0.00	0.00	-0.00	-0.02	0.02	-0.01	0.01	-0.01	0.00	-0.01	0.15	0.00	0.01	0.01	0.00	0.01	0.00	-0.02	-0.00	0.00	0.00	0.05	0.00	0.01	0.00
31	0.01	0.51	0.37	0.32	-0.00	-0.01	-0.07	0.39	0.58	0.08	0.09	0.80	0.91	-0.05	0.03	-0.02	0.89	-0.01	-0.06	0.08	0.03	0.03	-0.02	-0.02	-0.08	1.00	0.05	0.02	-0.07	0.04	0.01	1.00	0.03	-0.07	0.13	0.33	0.58	0.07	0.09	0.60	-0.00	0.02	0.01	0.12	-0.98	0.04	0.00	0.01	0.04	0.10	0.93	0.11	0.03	-0.06	-0.00	0.01	0.11	-0.03	0.99	0.07
32	-0.00	-0.18	-0.25	0.21	-0.33	-0.55	-0.12	0.11	-0.37	-0.02	-0.04	-0.04	-0.09	0.00	0.09	0.00	-0.06	-0.66	-0.75	0.60	0.34	-0.27	-0.75	-0.61	0.48	0.09	0.09	-0.25	0.06	0.81	0.00	0.03	1.00	-0.06	0.63	-0.01	-0.39	-0.02	-0.04	-0.07	0.01	-0.19	-0.18	0.74	0.01	0.20	-0.68	-0.10	0.47	0.31	0.04	0.24	-0.15	-0.18	-0.39	0.23	0.33	0.11	0.07	0.50
33	-0.03	-0.19	-0.04	0.04	0.19	-0.05	0.97	-0.16	0.00	-0.06	-0.08	-0.05	0.00	0.57	0.04	-0.00	-0.10	0.03	0.05	-0.05	0.04	-0.18	-0.01	0.03	-0.03	-0.09	-0.04	0.00	0.41	0.01	-0.01	-0.07	-0.06	1.00	-0.21	0.01	0.04	-0.04	-0.06	0.01	-0.01	-0.49	-0.05	-0.08	0.05	-0.06	0.18	-0.10	0.01	-0.03	-0.07	0.01	0.06	0.23	0.18	0.49	-0.03	-0.18	-0.08	-0.28
34	-0.02	0.02	-0.08	0.15	-0.38	-0.26	-0.25	0.20	-0.07	-0.05	-0.03	0.11	0.10	-0.02	0.16	0.02	0.20	-0.40	-0.47	0.43	0.30	-0.08	-0.38	-0.38	0.14	0.19	0.46	0.17	0.08	0.46	0.00	0.13	0.63	-0.21	1.00	0.11	-0.02	-0.05	-0.03	0.12	0.01	-0.18	-0.03	0.67	-0.12	0.08	-0.34	-0.04	0.17	0.36	0.13	0.31	-0.04	-0.02	-0.08	0.15	0.33	0.14	0.15	0.53
35	-0.02	0.13	-0.01	0.53	-0.11	0.07	0.04	0.57	0.41	0.09	0.05	0.13	0.37	0.03	-0.05	-0.08	0.39	0.01	-0.06	0.05	-0.01	-0.02	0.03	0.27	-0.12	0.34	0.33	0.31	0.27	0.02	0.00	0.33	-0.01	0.01	0.11	1.00	0.47	0.38	0.10	0.39	-0.02	0.03	0.03	0.05	-0.34	0.10	0.17	0.04	-0.04	-0.15	0.34	-0.16	0.05	0.39	0.15	-0.18	-0.13	-0.48	0.33	0.00
36	-0.02	0.33	0.38	0.25	0.03	0.42	0.07	0.25	0.89	0.03	0.11	0.52	0.70	0.00	-0.06	-0.07	0.68	0.39	0.40	-0.29	-0.17	0.18	0.50	0.40	-0.34	0.56	0.24	0.30	0.22	-0.47	0.00	0.58	-0.39	0.04	-0.02	0.47	1.00	0.07	0.15	0.53	-0.01	0.01	0.10	-0.25	-0.62	-0.13	0.34	-0.01	-0.41	-0.14	0.58	-0.11	0.10	0.37	0.35	-0.26	-0.19	-0.15	0.58	-0.13
37	0.01	0.03	-0.04	0.09	0.04	0.00	-0.02	0.21	0.10	0.64	0.38	0.07	0.06	-0.01	-0.04	-0.01	0.06	-0.00	-0.02	-0.01	-0.04	-0.01	0.02	0.06	-0.00	0.07	-0.00	-0.01	-0.02	0.01	-0.00	0.07	-0.02	-0.04	-0.05	0.38	0.07	1.00	0.47	0.05	-0.01	0.05	-0.01	-0.04	-0.06	0.06	0.04	0.05	0.01	-0.06	0.07	-0.06	-0.01	0.01	-0.00	-0.07	-0.04	-0.14	0.07	-0.01
38	-0.00	0.06	0.08	0.06	-0.01	0.00	-0.04	0.13	0.20	0.40	0.73	0.10	0.11	-0.04	-0.02	-0.04	0.10	0.06	0.01	0.00	-0.06	0.00	0.04	0.02	-0.06	0.09	0.03	0.03	-0.01	-0.03	-0.02	0.09	-0.04	-0.06	-0.03	0.10	0.15	0.47	1.00	0.06	0.01	0.10	0.01	-0.04	-0.09	-0.01	0.08	0.03	-0.02	0.01	0.09	0.02	0.00	0.03	0.06	-0.06	0.02	-0.06	0.09	-0.04
39	-0.02	0.23	0.31	0.34	-0.14	0.10	0.01	0.25	0.46	0.04	0.05	0.46	0.62	0.02	-0.03	-0.08	0.68	0.11	0.05	-0.01	-0.00	-0.02	0.08	0.15	-0.14	0.60	0.15	0.18	0.16	-0.08	0.02	0.60	-0.07	0.01	0.12	0.39	0.53	0.05	0.06	1.00	-0.00	-0.03	0.04	0.09	-0.62	-0.07	0.08	-0.10	-0.11	-0.02	0.56	0.00	0.05	0.27	0.14	0.00	-0.06	-0.15	0.60	0.03
40	-0.00	0.01	-0.00	-0.01	0.01	-0.00	-0.00	-0.02	-0.01	-0.00	0.02	-0.00	-0.01	-0.00	0.01	-0.02	-0.01	-0.00	0.00	-0.00	0.02	0.00	-0.00	-0.01	0.00	-0.00	-0.02	-0.02	-0.01	-0.00	-0.01	-0.00	0.01	-0.01	0.01	-0.02	-0.01	-0.01	0.01	-0.00	1.00	-0.01	-0.00	0.00	0.01	0.02	-0.02	-0.01	0.00	0.01	-0.00	0.01	0.00	-0.01	-0.02	0.01	0.01	0.02	-0.00	0.01
41	0.04	0.12	0.06	-0.04	-0.05	0.02	-0.33	0.07	0.12	0.04	0.10	0.01	0.05	-0.61	-0.01	-0.02	0.06	0.13	0.24	-0.10	-0.19	0.10	0.11	0.11	-0.10	0.01	-0.04	0.16	-0.15	-0.15	0.01	0.02	-0.19	-0.49	-0.18	0.03	0.01	0.05	0.10	-0.03	-0.01	1.00	-0.02	-0.21	-0.02	0.04	0.11	0.14	-0.02	-0.07	0.03	-0.15	0.02	-0.01	0.08	-0.38	-0.03	-0.02	0.02	0.01
42	-0.01	-0.04	0.05	0.04	0.07	0.21	-0.08	0.02	0.05	-0.01	-0.02	-0.02	0.00	-0.12	-0.03	-0.01	0.03	0.21	0.22	-0.13	-0.05	0.21	0.27	0.17	-0.20	0.01	-0.05	-0.01	-0.01	-0.21	-0.01	0.01	-0.18	-0.05	-0.03	0.03	0.10	-0.01	0.01	0.04	-0.00	-0.02	1.00	-0.06	-0.03	-0.06	0.05	-0.01	-0.22	-0.02	0.01	0.02	0.07	0.12	-0.02	-0.21	-0.05	-0.02	0.01	0.01
43	-0.01	-0.03	-0.04	0.18	-0.51	-0.39	-0.15	0.22	-0.23	-0.03	-0.05	0.07	0.06	0.01	0.13	0.05	0.09	-0.43	-0.56	0.63	0.48	-0.11	-0.55	-0.37	0.09	0.19	0.40	0.01	0.18	0.69	0.00	0.12	0.74	-0.08	0.67	0.05	-0.25	-0.04	-0.04	0.09	0.00	-0.21	-0.06	1.00	-0.08	0.16	-0.40	-0.13	0.46	0.40	0.12	0.34	-0.01	-0.06	-0.13	0.35	0.40	0.05	0.13	0.51
44	-0.01	-0.48	-0.39	-0.32	0.04	-0.03	0.06	-0.35	-0.61	-0.07	-0.10	-0.80	-0.91	0.04	-0.03	0.02	-0.89	-0.05	-0.00	-0.02	0.00	-0.03	-0.04	0.00	0.09	-0.98	-0.05	-0.03	0.01	0.03	-0.01	-0.98	0.01	0.05	-0.12	-0.34	-0.62	-0.06	-0.09	-0.62	0.01	-0.02	-0.03	-0.08	1.00	0.08	-0.02	0.03	0.03	-0.09	-0.91	-0.09	-0.03	-0.01	-0.05	0.01	-0.05	-0.01	-0.98	-0.08
45	0.01	0.09	-0.24	0.07	0.22	-0.10	-0.05	0.19	-0.14	0.02	-0.04	-0.05	-0.04	-0.07	-0.05	-0.01	0.00	-0.30	-0.27	0.25	0.14	0.01	-0.24	0.03	0.09	0.05	0.10	0.10	-0.25	0.30	0.15	0.04	0.20	-0.06	0.08	0.10	-0.13	0.06	-0.01	-0.07	0.02	0.04	-0.06	0.16	0.08	1.00	-0.07	0.22	0.31	-0.09	0.03	-0.08	-0.04	-0.23	-0.26	-0.02	0.21	-0.25	0.03	-0.00
46	-0.02	0.19	0.23	-0.08	0.10	0.16	0.29	0.04	0.36	0.01	0.02	0.13	0.20	0.20	0.13	0.03	0.16	0.32	0.40	-0.29	-0.17	0.26	0.40	0.34	-0.47	-0.05	0.30	0.49	0.08	-0.40	0.00	0.00	-0.68	0.18	-0.34	0.17	0.34	0.04	0.08	0.08	-0.02	0.11	0.05	-0.40	-0.02	-0.07	1.00	-0.01	-0.17	-0.01	-0.02	0.06	0.16	0.29	0.71	0.13	-0.01	-0.26	-0.05	-0.54
47	0.01	0.24	-0.22	-0.08	0.23	0.13	-0.06	0.18	-0.00	0.04	0.00	0.05	0.01	0.03	0.01	-0.02	-0.01	0.06	0.04	-0.01	-0.00	-0.22	0.04	-0.03	-0.18	0.01	-0.02	0.02	-0.26	-0.04	0.01	0.01	-0.10	-0.10	-0.04	0.04	-0.01	0.05	0.03	-0.10	-0.01	0.14	-0.01	-0.13	0.03	0.22	-0.01	1.00	0.13	0.16	0.00	0.17	0.06	-0.28	-0.10	-0.12	0.23	0.00	0.00	-0.08
48	0.01	0.07	-0.10	0.12	0.01	-0.51	-0.02	0.13	-0.31	-0.02	-0.06	0.03	-0.01	-0.00	0.05	0.08	-0.02	-0.50	-0.57	0.52	0.24	-0.32	-0.60	-0.38	0.10	0.06	0.06	-0.02	-0.27	0.68	0.01	0.04	0.47	0.01	0.17	-0.04	-0.41	0.01	-0.02	-0.11	0.00	-0.02	-0.22	0.46	0.03	0.31	-0.17	0.13	1.00	0.34	0.02	0.29	0.00	-0.28	-0.11	0.38	0.44	-0.10	0.02	0.14
49	-0.03	0.27	0.10	-0.05	-0.31	-0.39	-0.03	0.04	-0.08	-0.06	-0.02	0.25	0.17	0.21	0.25	0.06	0.09	-0.26	-0.36	0.31	0.13	-0.34	-0.38	-0.64	-0.36	0.11	0.15	-0.04	-0.02	0.40	0.00	0.10	0.31	-0.03	0.36	-0.15	-0.14	-0.06	0.01	-0.02	0.01	-0.07	-0.02	0.40	-0.09	-0.09	-0.01	0.16	0.34	1.00	0.06	0.92	0.12	-0.23	0.29	0.42	0.89	0.09	0.07	0.16
50	0.01	0.49	0.34	0.30	-0.01	0.01	-0.07	0.38	0.57	0.08	0.09	0.79	0.89	-0.06	0.02	-0.03	0.83	-0.01	-0.05	0.07	0.02	0.04	-0.00	-0.00	-0.06	0.92	0.03	0.01	-0.05	0.03	0.01	0.93	0.04	-0.07	0.13	0.34	0.58	0.07	0.09	0.56	-0.00	0.03	0.01	0.12	-0.91	0.03	-0.02	0.00	0.02	0.06	1.00	0.06	0.02	-0.04	-0.03	-0.02	0.07	-0.03	0.92	0.08
51	-0.04	0.27	0.11	-0.07	-0.24	-0.35	0.01	0.03	-0.06	-0.05	-0.01	0.26	0.18	0.28	0.25	0.04	0.10	-0.22	-0.30	0.27	0.16	-0.31	-0.35	-0.61	-0.35	0.11	0.12	-0.04	-0.05	0.35	0.00	0.11	0.24	0.01	0.31	-0.16	-0.11	-0.06	0.02	0.00	0.01	-0.15	0.02	0.34	-0.09	-0.08	0.06	0.17	0.29	0.92	0.06	1.00	0.12	-0.23	0.32	0.42	0.85	0.10	0.07	0.05
52	-0.08	0.10	0.05	-0.01	0.02	0.10	0.08	0.05	0.09	-0.03	-0.01	0.05	0.08	0.08	0.02	-0.38	0.05	0.19	0.17	0.18	-0.00	-0.01	0.11	0.39	-0.45	0.03	0.08	0.08	0.03	-0.10	-0.02	0.03	-0.15	0.06	-0.04	0.05	0.10	-0.01	0.00	0.05	0.00	0.02	0.07	-0.01	-0.03	-0.04	0.16	0.06	0.00	0.12	0.02	0.12	1.00	0.03	0.16	0.02	0.10	-0.11	0.01	-0.02
53	-0.04	-0.30	0.21	0.51	-0.41	0.08	0.21	-0.05	0.28	-0.02	0.02	-0.10	0.07	-0.11	-0.02	0.07	0.11	0.20	0.20	-0.13	-0.09	-0.06	0.18	0.30	-0.06	-0.07	0.41	0.47	0.73	-0.18	-0.00	-0.06	-0.18	0.23	-0.02	0.39	0.37	0.01	0.03	0.27	-0.01	-0.01	0.12	-0.06	-0.01	-0.23	0.29	-0.28	-0.28	-0.23	-0.04	-0.23	0.03	1.00	0.44	-0.09	-0.34	-0.27	-0.06	-0.11
54	-0.01	0.04	0.30	-0.02	-0.21	0.07	0.24	-0.01	0.37	-0.02	0.04	0.18	0.27	0.18	0.16	0.06	0.19	0.29	0.28	-0.17	-0.19	-0.08	0.22	0.07	-0.49	-0.03	0.43	0.52	0.31	-0.25	0.00	-0.00	-0.39	0.18	-0.08	0.15	0.35	-0.00	0.06	0.14	-0.02	0.08	-0.02	-0.13	-0.05	-0.26	0.71	-0.10	-0.11	0.29	-0.03	0.32	0.16	0.44	1.00	0.16	0.20	-0.10	-0.04	-0.19
55	-0.03	0.09	0.16	-0.02	-0.20	-0.36	0.49	-0.12	-0.20	-0.04	-0.07	0.12	0.06	0.54	0.19	0.13	-0.03	-0.31	-0.30	0.27	0.17	-0.20	-0.38	-0.44	0.06	0.01	0.03	-0.01	0.04	0.41	0.00	0.01	0.23	0.49	0.15	-0.18	-0.26	-0.07	-0.06	0.00	0.01	-0.38	-0.21	0.35	0.01	-0.02	0.13	-0.12	0.38	0.42	-0.02	0.42	0.02	-0.09	0.16	1.00	0.41	0.15	-0.02	-0.10
56	-0.02	0.33	0.01	-0.06	-0.17	-0.40	-0.01	0.10	-0.11	-0.06	-0.03	0.23	0.16	0.20	0.23	0.02	0.08	-0.34	-0.41	0.37	0.14	-0.31	-0.45	-0.63	-0.37	0.12	0.11	-0.01	-0.15	0.48	0.05	0.11	0.33	-0.03	0.33	-0.13	-0.19	-0.04	0.02	-0.06	0.01	-0.03	-0.05	0.40	-0.05	0.21	-0.01	0.23	0.44	0.89	0.07	0.85	0.10	-0.34	0.20	0.41	1.00	0.02	0.07	0.11
57	0.00	0.01	0.21	-0.41	-0.11	0.05	-0.20	-0.32	-0.13	-0.08	-0.02	0.09	-0.06	-0.05	0.10	0.04	-0.06	0.06	0.12	-0.07	-0.01	0.20	0.01	-0.39	0.34	-0.02	-0.19	-0.16	-0.18	-0.08	0.00	-0.03	0.11	-0.18	0.14	-0.48	-0.15	-0.14	-0.06	-0.15	0.02	-0.02	-0.02	0.05	-0.01	-0.25	-0.26	0.00	-0.10	0.09	-0.03	0.10	-0.11	-0.27	-0.10	0.15	0.02	1.00	-0.01	0.11
58	0.01	0.48	0.34	0.33	-0.01	-0.00	-0.09	0.38	0.57	0.08	0.09	0.78	0.89	-0.06	0.01	-0.03	0.88	-0.02	-0.07	0.08	0.02	0.04	-0.02	-0.02	-0.04	0.99	0.03	-0.00	-0.06	0.04	0.01	0.99	0.07	-0.08	0.15	0.33	0.58	0.07	0.09	0.60	-0.00	0.02	0.01	0.13	-0.98	0.03	-0.05	0.00	0.02	0.07	0.92	0.07	0.01	-0.06	-0.04	-0.02	0.07	-0.01	1.00	0.10
59	0.02	-0.11	-0.13	0.12	-0.29	-0.04	-0.33	0.17	-0.14	-0.02	-0.01	0.02	-0.01	-0.17	0.03	-0.01	0.05	-0.17	-0.24	0.33	0.11	-0.12	-0.24	-0.14	0.06	0.13	0.19	-0.12	0.04	0.25	0.00	0.07	0.50	-0.28	0.53	0.00	-0.13	-0.01	-0.04	0.03	0.01	0.01	0.01	0.51	-0.08	-0.00	-0.54	-0.08	0.14	0.16	0.08	0.05	-0.02	-0.11	-0.19	-0.10	0.11	0.11	0.10	1.00

End of Analyses.